火箭发动机故障检测的快速增量单分类支持向量机算法

V434; 为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型.采取特征工程方法,对传感器获得的多变量时间序列进行特征提取.通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度.对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值....

Full description

Saved in:
Bibliographic Details
Published in国防科技大学学报 Vol. 46; no. 2; pp. 115 - 122
Main Authors 张万旋, 张箭, 卢哲, 薛薇, 张楠
Format Journal Article
LanguageChinese
Published 北京航天动力研究所,北京 100076 2024
Subjects
特征提取
one-class support vector machine
feature extraction
incremental learning
自适应检测
anomaly detection
单分类支持向量机
增量学习
异常检测
adaptive detection
Online AccessGet full text
ISSN1001-2486
DOI10.11887/j.cn.202402012

Cover

More Information
Summary:V434; 为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型.采取特征工程方法,对传感器获得的多变量时间序列进行特征提取.通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度.对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值.
ISSN:1001-2486
DOI:10.11887/j.cn.202402012